
Preencher um formulário de anamnese (entrevista inicial feita por um profissional de saúde para entender o histórico do paciente) em uma clínica. Receber uma vacina em uma Unidade Básica de Saúde. Selecionar, no totem da emergência de um hospital, a especialidade médica para atendimento. Todas essas são ações rotineiras que, embora simples, geram registros valiosos.
Chamados de dados de mundo real (RWD, na sigla em inglês), esses elementos são essenciais para a tomada de decisões precisas na área da saúde e para atender os pacientes com eficácia.
No Hospital Moinhos de Vento, um laboratório, criado no final do ano passado, já utiliza esses dados para avaliar processos e práticas assistenciais, além de prever riscos entre pacientes hospitalizados.
Como são coletados fora dos ambientes controlados dos estudos clínicos, eles oferecem uma visão mais abrangente da realidade e trazem percepções aprofundadas sobre o comportamento, a saúde, as necessidades e as interações da população.
Sérgio Decker, responsável pelo Outcomes Research Lab do Hospital Moinhos de Vento, explica que as informações coletadas podem ser utilizadas em diferentes frentes da saúde:
— Quando falamos sobre o quanto eles ajudam na tomada de decisões, normalmente é sobre usar esses dados para informar comunidades médicas, gerar embasamento para pesquisas, diretrizes ou políticas públicas, por exemplo. Mas, com certeza, também dá para transformar tudo isso em informação que auxilia a tomada de decisões em um consultório, a nível individual, para cada paciente.
Nos ambulatórios, as informações coletadas por telemonitoria (acompanhamento à distância por meio de tecnologias de comunicação) sobre qualidade de vida reportada pelos próprios pacientes são integradas ao prontuário, contribuindo para decisões mais precisas durante as consultas.
Como funciona?
Com a tecnologia disponível atualmente, a especialista em dados de mundo real Karlyse Claudino Belli afirma que há maior velocidade de acesso e geração de insights, o que torna o processo mais ágil. Ainda assim, a integração e o processamento desses dados na saúde envolvem não apenas a coleta (em bancos de dados públicos e privados), mas também a integração, padronização e organização das informações para que possam ser combinadas entre diferentes fontes.
Esse processo inclui a limpeza de inconsistências, a anonimização de dados sensíveis — seguindo preceitos éticos regulamentados pela Lei Geral de Proteção de Dados Pessoais (LGPD) — e a unificação de formatos. Em seguida, são aplicadas ferramentas de análise de dados, estatística e inteligência artificial para cruzar as informações e identificar padrões, desfechos clínicos e relações entre tratamentos e resultados na prática real.
Apesar do termo estar ganhando força agora, Karlyse já pesquisa o tema há 20 anos. Segundo ela, no início, informações coletadas em instituições ou contextos específicos eram vistas como pouco representativas da realidade global e, por isso, existia uma espécie de preconceito com esses dados.
— Os ensaios clínicos randomizados são importantes porque testam, por exemplo, o quanto um medicamento funciona em um grupo fechado. Mas quando trazemos isso para a realidade de um país, sistema de saúde, etnia e cultura diferente, cada lugar vai reagir àquilo de uma maneira. Foi aí que entendemos que o dado de mundo real era complementar e muito forte nesse sentido — enfatiza Karlyse, que atua como diretora de negócios e dados da iHealth, empresa especializada em transformar dados clínicos em inteligência aplicada.
Apesar de definir dados de mundo real como informações coletadas rotineiramente, sem finalidade inicial de pesquisa clínica, Decker afirma que essas informações também podem ser integradas a estudos. Ele cita como exemplo uma análise conduzida pelo laboratório sobre o efeito de um programa de reabilitação em pacientes que sofreram eventos cardiovasculares.
— Historicamente, os estudos que temos excluíram mulheres, populações vulneráveis do ponto de vista socioeconômico, pacientes pretos ou pardos, e o nosso estudo, integrando diversas fontes de dados, avaliou qual é o efeito da reabilitação contemporânea em uma população maior, mais representativa, que inclui também, por exemplo, os pacientes mais doentes. Isso nos ajuda, como médicos, a entender quais recomendações dar ou evitar para esses pacientes lá no consultório — acrescenta.
Cenário no país ainda é de passos pequenos
No Brasil, o uso de dados de mundo real ainda está em expansão, mas vem ganhando espaço entre hospitais, pesquisadores, gestores públicos e a indústria da saúde. Conforme avalia Karlyse, esse tipo de informação tem se tornado cada vez mais relevante para compreender as demandas locais e identificar, com base em dados quantitativos, o perfil real das necessidades de saúde de uma população.
— Eu diria que ainda estamos começando a usar essas ferramentas. A nível nacional, nós estamos perdendo o medo de começar a olhar para esses dados e a fazer perguntas para eles. É aí que vamos começar a entender mais os benefícios — avalia a especialista.
Pensando nas possibilidades existentes, não usamos nem 1% da capacidade que temos.
KARLYSE CLAUDINO BELLI
Diretora de negócios e dados da iHealth, que trabalha com RWD
Com o cruzamento de informações de hospitais, clínicas, prontuários eletrônicos e bases públicas, ela acredita que gestores conseguiriam identificar quais são as principais demandas de saúde de uma cidade ou região e direcionar recursos de forma mais estratégica.
Isso pode ajudar, por exemplo, na definição de prioridades de atendimento, expansão de serviços e negociações com a indústria farmacêutica com base no perfil real da população atendida.
— Porque, com essas farmacêuticas, você tem negociações de preço a nível municipal e estadual. O gestor mostra o tamanho do mercado que tem e a demanda, e aí consegue priorizar uma negociação melhor para comprar medicamentos, vacinas. E isso pode impactar na saúde financeira desse Estado ou município e na agilidade que os pacientes vão receber esses fármacos — complementa Karlyse.
Nas instituições de saúde, a integração desses dados também permite acompanhar padrões de doenças, identificar pacientes subdiagnosticados e compreender como diferentes grupos respondem a tratamentos e tecnologias.
Com ferramentas de processamento e inteligência artificial, sistemas conseguem reconhecer informações semelhantes mesmo quando registradas de formas diferentes por profissionais e instituições distintas, tornando possível analisar grandes volumes de dados em poucos segundos.
Na ponta do atendimento, essas informações podem contribuir para diagnósticos mais rápidos e cuidados personalizados. Um sistema pode, por exemplo, identificar sinais compatíveis com uma doença rara ao analisar o histórico completo de um paciente e gerar alertas para os profissionais de saúde.
— Não é humanamente possível, nem para as pessoas mais eficientes e incríveis, saber de cabeça todas as combinações existentes de fatores para cada doença rara que existe no mundo. Nem dentro de cada especialidade médica. Se me perguntarem de uma doença, consigo entrar na nossa plataforma e em poucos segundos ela vai retornar para mim todas as informações, onde estão os pacientes com essa condição, quais as especificidades. Antigamente, eu demoraria meses e precisaria de muitos pesquisadores para conseguir fazer isso — explica.
Ela conta que também é possível automatizar ações de acompanhamento, como o envio de orientações e lembretes para pacientes com doenças crônicas por mensagem no celular, ajudando na adesão ao tratamento e na melhora da qualidade de vida.
Para os dois especialistas, as possibilidades são infinitas e carregam muito potencial de fazer a diferença nas rotinas médicas e administrativas da área.


